多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则，对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性（如多尺度性）进行有效建模的缺陷，本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程，并引入一个非参统计指标对同位模式进行特征尺度判别；基于此，定义一种条件概率密度分布函数，利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态，并且有效降低了人为设定参数的主观性。...

Full description

Saved in:
Bibliographic Details
Published in:Ce hui xue bao 2022-02, Vol.51 (2), p.258-268
Main Authors: 邓敏, 谌恺祺, 石岩
Format: Article
Language:chi ; eng
Subjects:
Conditional probability
Data mining
Decomposition
Density distribution
Distribution functions
Geographical distribution
Mining
Pattern analysis
Random variables
Spatial distribution
Statistical analysis
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则，对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性（如多尺度性）进行有效建模的缺陷，本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程，并引入一个非参统计指标对同位模式进行特征尺度判别；基于此，定义一种条件概率密度分布函数，利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态，并且有效降低了人为设定参数的主观性。
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2022.20200548